La herramienta correcta no te salva de un mal diagnóstico

Cada vez más plantas invierten en tecnología de mantenimiento predictivo. Sin embargo, comprar el equipo correcto no garantiza mejores resultados. Muchas organizaciones terminan con herramientas sofisticadas que nadie sabe interpretar, y concluyen que la tecnología no sirve, cuando el problema nunca estuvo ahí.

Conversamos con Guillermo Sueiro, consultor y facilitador especialista en RCM, TPM, RCS y RCA, sobre por qué el diagnóstico importa más que el instrumento que se usa para resolverlo.

En esta edición:

● Cómo diagnosticar el problema antes de elegir cómo resolverlo
● Cómo elegir la herramienta correcta para cada diagnóstico
● Cómo aplicarla con criterio, incluso cuando es inteligencia artificial

Guillermo Sueiro
Consultor y facilitador de RCM (Mantenimiento Centrado en Confiabilidad).

Guillermo lleva más de 30 años de trayectoria en Argentina, América Latina y Europa. Se formó directamente con John Moubray, implementó el primer proyecto de RCM en Puerto Rico en 1991, lideró programas de confiabilidad para compañías como Endesa y Navantia, y participó activamente en el desarrollo de la norma ISO 55000.

Elegir una herramienta antes de entender el problema real suele terminar mal. Sueiro lo resume con una imagen simple: "Si yo agarro una pinza y clavo un clavo, lo más probable es que el clavo quede torcido", explica. El error no está en la pinza, sino en haberla elegido para algo que no le correspondía.

Sueiro compara este primer paso con una consulta médica: cuando un paciente le dice al médico "no me siento bien", esa queja todavía no le dice al médico qué diagnosticar. Lo mismo ocurre en mantenimiento: decir "la máquina no funciona" tampoco explica la causa. Diagnosticar bien significa ir más allá de esa primera queja antes de decidir cualquier acción.

Conocer muchas herramientas no es suficiente si no se sabe cuál usar en cada caso. Un profesional de mantenimiento, explica Sueiro, tiene "una cantidad de herramientas en la cabeza", pero el verdadero desafío está en saber cuál sacar de la caja según el problema específico que enfrenta. No toda situación necesita el mismo enfoque, y aplicar el mismo método a todo termina generando el mismo error de fondo: culpar a la herramienta por un problema de selección.

Sin embargo, diagnosticar y elegir bien no alcanza. El tercer paso es usar esa herramienta con criterio, y esto también aplica a la inteligencia artificial. Un modelo de IA puede darte, en segundos, una lista de posibles fallas, pero no es lo mismo que un diagnóstico. "Esos podrán ser modos de falla posibles, pero no necesariamente probables. En el contexto en el que vamos a trabajar hay un campo infinito", explica Sueiro. Es decir: la inteligencia artificial funciona bien si tiene buenos datos, pero no reemplaza el criterio para interpretar el contexto de cada equipo.

Nota de los entrevistadores: lo que más nos quedó de esta charla fue lo simple que puede ser un buen diagnóstico. Guillermo no necesitó una auditoría completa para entender el problema de una empresa que había comprado equipos de medición sin saber usarlos. Una pregunta como cuál es la curva P-F de sus activos, es decir, el tiempo que pasa entre la falla potencial y la falla funcional, pudo mostrarle que faltaba la base: en este caso, nadie supo responder. A veces la experiencia se nota justo ahí, en saber qué preguntar primero.

Juan | Tomás

Para resumir: el problema casi nunca es la herramienta, sino el orden en que se la usa. Diagnosticar antes de elegir, elegir según el problema específico, y usar con criterio lo elegido: esa misma secuencia aplica igual a un sensor de vibración que a un modelo de inteligencia artificial. Ninguna tecnología reemplaza el criterio de entender primero qué hay que resolver.

Como dice Guillermo Sueiro: "El concepto es el concepto, y punto. El asunto es cuánto permeabiliza en los integrantes de la organización".